资料介绍
军械调运是军械保障工作中一个十分重要的环节,关系到军械保障工作能否快捷有效的
完成。考虑到战时状况下军械调运的复杂性、快速性、危险性等特点,建立了多需求点、单货种军械紧急调运的优化模型,通过严格的数学逻辑推导,对模型给出了解析算法,并通过具体的算例表明了模型的正确性及算法的有效性。
关键词:军械紧急调运;多需求点;单货种;多目标决策;优化
军械调运问题是军事物流学的一个重要研究内容,是当前军事物流研究的一个热点[1],也是运筹学中运输问题的一个分支。军械调运是军械保障工作中一个十分重要的环节,关系到军械保障工作能否快捷有效的完成,如何给出一个快捷有效的组合调运方案是军械调运指挥人员迫切需要解决的问题。二战以来,特别时通过1982 年的英阿马岛海战和海湾战争,各国对战时军械物资保障运输优化的重要性有了充分的认识,纷纷开始进行这方面的研究和准备工作。随着“***”军事准备工作的进行,国内在战时军械需求预测的建模工作已有一定的展开,但在军械调运方案优化的研究上却几乎为零。战时情况不同于平时,情况复杂、变化快,“拍脑门”式的决策方式显然是不适用了。为此,有必要建立模型以帮助指挥员进行正确、科学的保障指挥决策。
运输问题是运筹学中一类特殊的线性规划问题,最早研究这类问题的是美国学者 Hitchcock,后来Koopman 详细地对此问题加以讨论[2]。由于实际的运输问题与理想运输问题模型有一些差别,人们提出了各种运输问题的变种或推广模型:从目标函数的角度,在运输问题中有时要同时考虑运输成本最小,运输过程中货物损坏率最低以及单位运价变化的调整等多个目标,因此有研究多目标运输问题的数学模型及其算法[3,4]、运用禁忌搜索算法解决带固定费用的运输问题[5]、最短时限的运输问题[6]、调整单位运价使得运输计划最优的运输问题的逆问题[7]等等;从约束函数的角度,有研究供给量和需求量在某个区间变化的不确定性运输问题[8]、研究带容量限制和手续费用的运输问题[9,10]、有时间窗口的运输问题[11]等等。目前国内已开发的军事运输问题的若干模型,主要有运输方式选择模型、单货种物资调运模型、运输道路选择模型、战时运输模型等。但这些模型相互之间缺乏联系,整体性、系统性差,并且模型建立的假设条件过于理想化、与实际情况明显不符,实用性差。本文分析多需求点、单货种军械紧急调运问题的特点,建立优化模型,提出一种简便的解析算法,并通过具体的案例计算表明所建模型及算法的正确性和可操作性。
完成。考虑到战时状况下军械调运的复杂性、快速性、危险性等特点,建立了多需求点、单货种军械紧急调运的优化模型,通过严格的数学逻辑推导,对模型给出了解析算法,并通过具体的算例表明了模型的正确性及算法的有效性。
关键词:军械紧急调运;多需求点;单货种;多目标决策;优化
军械调运问题是军事物流学的一个重要研究内容,是当前军事物流研究的一个热点[1],也是运筹学中运输问题的一个分支。军械调运是军械保障工作中一个十分重要的环节,关系到军械保障工作能否快捷有效的完成,如何给出一个快捷有效的组合调运方案是军械调运指挥人员迫切需要解决的问题。二战以来,特别时通过1982 年的英阿马岛海战和海湾战争,各国对战时军械物资保障运输优化的重要性有了充分的认识,纷纷开始进行这方面的研究和准备工作。随着“***”军事准备工作的进行,国内在战时军械需求预测的建模工作已有一定的展开,但在军械调运方案优化的研究上却几乎为零。战时情况不同于平时,情况复杂、变化快,“拍脑门”式的决策方式显然是不适用了。为此,有必要建立模型以帮助指挥员进行正确、科学的保障指挥决策。
运输问题是运筹学中一类特殊的线性规划问题,最早研究这类问题的是美国学者 Hitchcock,后来Koopman 详细地对此问题加以讨论[2]。由于实际的运输问题与理想运输问题模型有一些差别,人们提出了各种运输问题的变种或推广模型:从目标函数的角度,在运输问题中有时要同时考虑运输成本最小,运输过程中货物损坏率最低以及单位运价变化的调整等多个目标,因此有研究多目标运输问题的数学模型及其算法[3,4]、运用禁忌搜索算法解决带固定费用的运输问题[5]、最短时限的运输问题[6]、调整单位运价使得运输计划最优的运输问题的逆问题[7]等等;从约束函数的角度,有研究供给量和需求量在某个区间变化的不确定性运输问题[8]、研究带容量限制和手续费用的运输问题[9,10]、有时间窗口的运输问题[11]等等。目前国内已开发的军事运输问题的若干模型,主要有运输方式选择模型、单货种物资调运模型、运输道路选择模型、战时运输模型等。但这些模型相互之间缺乏联系,整体性、系统性差,并且模型建立的假设条件过于理想化、与实际情况明显不符,实用性差。本文分析多需求点、单货种军械紧急调运问题的特点,建立优化模型,提出一种简便的解析算法,并通过具体的案例计算表明所建模型及算法的正确性和可操作性。
下载该资料的人也在下载
下载该资料的人还在阅读
更多 >
- 程度多粒度软粗糙集模型综述 1次下载
- 锂电池多状态模型剩余寿命预测方法 11次下载
- 基于多尺度CNN的交通道路标识识别模型 4次下载
- 蛋白质能量模型的多模态优化算法综述 1次下载
- 一种门控循环单元兴趣点推荐算法 6次下载
- 基于中心点的多类别车辆检测算法综述 5次下载
- 一种兴趣点分层学习的全监督算法 5次下载
- 基于规范化函数的深度金字塔模型算法 14次下载
- 一种基于改进FREAK的图像特征点匹配算法 9次下载
- 一种基于间隔准则的多标记学习算法 9次下载
- 一种基于多通道极深CNN的图像超分辨算法 10次下载
- 一种多模型集成的网络论坛发帖量预测模型 16次下载
- 一种结合AKAZE和RANSAC的图像拼接算法 8次下载
- 基于图像的NAO机器人松协调运动研究 0次下载
- 基于单景扫描点云数据网模型设计 0次下载
- 一种单腔多模滤波器设计 850次阅读
- 基于多模态学习的虚假新闻检测研究 2521次阅读
- 用于二维近场微波和毫米波SAR图像重建的多频CS模型介绍 1032次阅读
- 基于自动泊车的自动驾驶控制算法设计与研究 1209次阅读
- 模型评估、模型选择和算法选择技术的正确使用 1004次阅读
- 关于AI遗传算法的详解 8.4w次阅读
- 基于K-MST拓扑控制算法的异构传感器网络多簇点简化研究 1418次阅读
- 研究人员们提出了一系列新的点云处理模块 3080次阅读
- 一种基于概率框架的三维点云生成模型PointFlow 6393次阅读
- 科普 | 商业分析与数据分析、算法模型的关系与区别 5248次阅读
- 一种异质多传感器的异步量测融合算法验证 1612次阅读
- IBM研究人员开发了一种将水印嵌入ML模型的技术,可以识别被盗模型 4887次阅读
- 一种基于MapReduce模型的并行化k-medoids聚类算法 5377次阅读
- 一种AES密码算法的实现 3174次阅读
- 计算机视觉中的ICP算法 7085次阅读
下载排行
本周
- 1DC电源插座图纸
- 0.67 MB | 2次下载 | 免费
- 2AN158 GD32VW553 Wi-Fi开发指南
- 1.51MB | 2次下载 | 免费
- 3AN148 GD32VW553射频硬件开发指南
- 2.07MB | 1次下载 | 免费
- 4AN111-LTC3219用户指南
- 84.32KB | 次下载 | 免费
- 5AN153-用于电源系统管理的Linduino
- 1.38MB | 次下载 | 免费
- 6AN-283: Σ-Δ型ADC和DAC[中文版]
- 677.86KB | 次下载 | 免费
- 7SM2018E 支持可控硅调光线性恒流控制芯片
- 402.24 KB | 次下载 | 免费
- 8AN-1308: 电流检测放大器共模阶跃响应
- 545.42KB | 次下载 | 免费
本月
- 1ADI高性能电源管理解决方案
- 2.43 MB | 450次下载 | 免费
- 2免费开源CC3D飞控资料(电路图&PCB源文件、BOM、
- 5.67 MB | 138次下载 | 1 积分
- 3基于STM32单片机智能手环心率计步器体温显示设计
- 0.10 MB | 130次下载 | 免费
- 4使用单片机实现七人表决器的程序和仿真资料免费下载
- 2.96 MB | 44次下载 | 免费
- 53314A函数发生器维修手册
- 16.30 MB | 31次下载 | 免费
- 6美的电磁炉维修手册大全
- 1.56 MB | 24次下载 | 5 积分
- 7如何正确测试电源的纹波
- 0.36 MB | 17次下载 | 免费
- 8感应笔电路图
- 0.06 MB | 10次下载 | 免费
总榜
- 1matlab软件下载入口
- 未知 | 935121次下载 | 10 积分
- 2开源硬件-PMP21529.1-4 开关降压/升压双向直流/直流转换器 PCB layout 设计
- 1.48MB | 420062次下载 | 10 积分
- 3Altium DXP2002下载入口
- 未知 | 233088次下载 | 10 积分
- 4电路仿真软件multisim 10.0免费下载
- 340992 | 191367次下载 | 10 积分
- 5十天学会AVR单片机与C语言视频教程 下载
- 158M | 183335次下载 | 10 积分
- 6labview8.5下载
- 未知 | 81581次下载 | 10 积分
- 7Keil工具MDK-Arm免费下载
- 0.02 MB | 73810次下载 | 10 积分
- 8LabVIEW 8.6下载
- 未知 | 65988次下载 | 10 积分
评论
查看更多